-
公开(公告)号：CN109948281B
公开(公告)日：2023-05-05
申请号：CN201910249101.5
申请日：2019-03-29
Applicant: 上海电力学院
IPC: G06F30/20 , G06F18/241 , G06F18/213
Abstract: 本发明涉及一种基于天气类型有效识别和组合预测的直散分离建模方法，Sandia方法考虑了气象要素的综合变化特征，挑选出长序列气象数据中具有气候特征代表性的典型年资料，使直散分离模型的研究和分析结果更具有典型性和说服力；依据修正后的清晰度指数进行天气类型的划分；每种天气类型下的最优经典小时模型选定后进行本地化修正，得到适用于所有天气类型的本地组合预测模型；通过偏相关分析剔除一部分对散射比影响较小的因子，再通过主成分分析提取主成分建立线性模型，有效提取原有数据携带的隐含信息；从每种天气类型下的线性模型和本地化模型中选择该种天气类型下的最优模型，再进行组合得到组合预测模型进行天气预测。提高预测结果准确度。
-
公开(公告)号：CN107991721A
公开(公告)日：2018-05-04
申请号：CN201711164686.8
申请日：2017-11-21
Applicant: 上海电力学院
IPC: G01W1/10
Abstract: 本发明涉及一种基于天文和气象环境因子的逐时散射比预测方法，该方法包括如下步骤：(1)获取辐射数据、天文数据和气象环境数据；(2)对天气类型进行划分，天气类型包括晴、晴渐云、晴渐阴、多云渐阴和雨雪霾；(3)根据天气类型选择预先设定的模型进行预测得到逐时散射比，具体地：当天气类型为晴、晴渐云和晴渐阴时，采用PCA-LMBP神经网络模型进行预测，当天气类型为多云渐阴时，采用LMBP神经网络模型进行预测，当天气类型为雨雪霾时，采用线性回归模型进行预测，其中，PCA-LMBP神经网络模型、LMBP神经网络模型以及线性回归模型均为基于天文因子、气象因子及天气类型筛选后的预测模型。与现有技术相比，本发明预测结果更加准确可靠。
-
公开(公告)号：CN107991721B
公开(公告)日：2020-05-08
申请号：CN201711164686.8
申请日：2017-11-21
Applicant: 上海电力学院
IPC: G01W1/10
Abstract: 本发明涉及一种基于天文和气象环境因子的逐时散射比预测方法，该方法包括如下步骤：(1)获取辐射数据、天文数据和气象环境数据；(2)对天气类型进行划分，天气类型包括晴、晴渐云、晴渐阴、多云渐阴和雨雪霾；(3)根据天气类型选择预先设定的模型进行预测得到逐时散射比，具体地：当天气类型为晴、晴渐云和晴渐阴时，采用PCA‑LMBP神经网络模型进行预测，当天气类型为多云渐阴时，采用LMBP神经网络模型进行预测，当天气类型为雨雪霾时，采用线性回归模型进行预测，其中，PCA‑LMBP神经网络模型、LMBP神经网络模型以及线性回归模型均为基于天文因子、气象因子及天气类型筛选后的预测模型。与现有技术相比，本发明预测结果更加准确可靠。
-
Patent Agency Ranking
公开(公告)号：CN108923738B
公开(公告)日：2020-04-07
申请号：CN201810904914.9
申请日：2018-08-09
Applicant: 上海电力学院
IPC: H02S20/32
Abstract: 本发明涉及一种基于天气类型判别的双跟踪光伏发电系统控制方法，包括步骤：1)获取历史气象数据，并对数据进行筛选；2)结合历史清晰度、历史总云量数据，对相关天气进行分类；3)建立辐射预测模型，对历史气象数据进行相应训练，输入至预测下一个小时的水平面总辐射，并进行下一小时天气类型分类；4)采用天文算法计算当前时刻与下一整点时刻太阳高度角与方位角的大致位置；5)结合下一小时天气类型及下一整点时刻太阳高度角与方位角的大致位置，选用不同的跟踪控制方式进行光伏发电系统控制。与现有技术相比，本发明具有明显降低跟踪系统能耗及提高实际光伏发电效益等优点。
-
公开(公告)号：CN109948281A
公开(公告)日：2019-06-28
申请号：CN201910249101.5
申请日：2019-03-29
Applicant: 上海电力学院
Abstract: 本发明涉及一种基于天气类型有效识别和组合预测的直散分离建模方法，Sandia方法考虑了气象要素的综合变化特征，挑选出长序列气象数据中具有气候特征代表性的典型年资料，使直散分离模型的研究和分析结果更具有典型性和说服力；依据修正后的清晰度指数进行天气类型的划分；每种天气类型下的最优经典小时模型选定后进行本地化修正，得到适用于所有天气类型的本地组合预测模型；通过偏相关分析剔除一部分对散射比影响较小的因子，再通过主成分分析提取主成分建立线性模型，有效提取原有数据携带的隐含信息；从每种天气类型下的线性模型和本地化模型中选择该种天气类型下的最优模型，再进行组合得到组合预测模型进行天气预测。提高预测结果准确度。
-
公开(公告)号：CN110133755A
公开(公告)日：2019-08-16
申请号：CN201910318906.0
申请日：2019-04-19
Applicant: 上海电力学院
Abstract: 本发明涉及一种基于GRA-LMBP权重的多天气类型下直散分离建模预测控制方法，首先统计收集北京地区多年气象辐射数据，根据正态拟合法选取典型气象年并利用修正后的清晰度指数进行天气类型的划分；其次通过支持向量机(SVM)、基于灰色关联分析(GRA)的支持向量机GRA-SVM和基于主成分分析(PCA)的支持向量机(PCA-SVM)预测模型分别得出每一种天气类型下的三种单一模型预测结果，然后利用灰色关联分析得到每一种天气类型下各模型的权重系数，进而在每种天气类型下根据各个单一模型预测结果和预测权重系数拟合LMBP神经网络预测模型，最后利用LMBP模型求出的权重系数计算每种天气类型的组合预测模型预测结果。与现有技术相比，本发明具有精度高，运算稳定性强等优点。
-
公开(公告)号：CN108923738A
公开(公告)日：2018-11-30
申请号：CN201810904914.9
申请日：2018-08-09
Applicant: 上海电力学院
IPC: H02S20/32
Abstract: 本发明涉及一种基于天气类型判别的双跟踪光伏发电系统控制方法，包括步骤：1)获取历史气象数据，并对数据进行筛选；2)结合历史清晰度、历史总云量数据，对相关天气进行分类；3)建立辐射预测模型，对历史气象数据进行相应训练，输入至预测下一个小时的水平面总辐射，并进行下一小时天气类型分类；4)采用天文算法计算当前时刻与下一整点时刻太阳高度角与方位角的大致位置；5)结合下一小时天气类型及下一整点时刻太阳高度角与方位角的大致位置，选用不同的跟踪控制方式进行光伏发电系统控制。与现有技术相比，本发明具有明显降低跟踪系统能耗及提高实际光伏发电效益等优点。
-
公开(公告)号：CN109978269A
公开(公告)日：2019-07-05
申请号：CN201910251617.3
申请日：2019-03-29
Applicant: 上海电力学院
Abstract: 本发明涉及一种用于光伏发电的多地区逐时散射比预测控制方法，包括以下步骤：步骤1：获取各地区天气数据信息并建立典型气象年；步骤2：根据典型气象年划分多种天气类型；步骤3：根据不同地域各自对应的天气类型选择预先设定的模型进行预测得到逐时散射比以匹配控制光伏发电调配。与现有技术相比，本发明具有调控准确，模型运行速度快等优点。
-
-
-
-
-
-
-
Search Results
8
records
(took 0.038 seconds)
